Moshi: Trợ lý giọng nói AI cạnh tranh với ChatGPT

Mục lục

• Giới thiệu Moshi
• Khả năng của Moshi
• Phát triển Moshi
• Mục tiêu và tác động của Moshi
• Kết luận

1. Giới thiệu Moshi

OpenAI trì hoãn ra mắt chế độ giọng nói của ChatGPT đã khiến nhiều người hâm mộ AI thất vọng. Tuy nhiên, sự chờ đợi đó có thể sớm kết thúc với sự xuất hiện của Moshi, trợ lý giọng nói AI được phát triển bởi Kyutai, một công ty AI đến từ Pháp.

2. Khả năng của Moshi

Moshi được thiết kế để tạo ra những cuộc trò chuyện chân thực với người dùng thông qua giọng nói, tương tự như Alexa hay Google Assistant. Nó được hỗ trợ bởi các mô hình ngôn ngữ lớn (LLM) nằm sau ChatGPT và các đối thủ cạnh tranh của nó, trong trường hợp này là mô hình Helium 7B.

Theo Kyutai, Moshi có thể nói bằng nhiều giọng điệu khác nhau và sở hữu 70 phong cách cảm xúc và nói chuyện khác biệt. Hơn nữa, AI này có thể xử lý hai luồng âm thanh đồng thời, cho phép Moshi vừa nghe vừa nói cùng lúc.

3. Phát triển Moshi

Kyutai đã dành nhiều thời gian để huấn luyện Moshi với hơn 100.000 cuộc đối thoại tổng hợp được tạo ra bằng công nghệ Text-to-Speech (TTS). Mục tiêu là giúp Moshi học hỏi những sắc thái và tông giọng trong giao tiếp của con người. Hãng thậm chí đã hợp tác với một nghệ sĩ lồng tiếng chuyên nghiệp để nâng cao chất lượng giọng nói của Moshi.

Trợ lý AI này tích hợp cả huấn luyện văn bản và âm thanh, được tối ưu hóa cho nhiều nền tảng, nghĩa là nó có thể chạy trên các thiết bị như máy tính xách tay mà không cần kết nối với đám mây. Kyutai quảng cáo đây là cách để bảo mật thông tin cá nhân bằng cách ngăn chặn việc truyền dữ liệu nhạy cảm qua internet. Bạn có thể xem demo của Moshi tại đây.

4. Mục tiêu và tác động của Moshi

Kyutai tuyên bố Moshi sẽ là một dự án mã nguồn mở, bao gồm mã và khung của mô hình, tạo nền tảng cho sự đổi mới trong tương lai. Cách tiếp cận mã nguồn mở này cũng có thể giúp giảm bớt những lời phàn nàn về vấn đề an toàn và đạo đức của các công ty AI lớn hơn liên quan đến các mô hình đóng. Các nhà đầu tư của Kyutai, bao gồm tỷ phú người Pháp Xavier Niel, đang thúc đẩy phương pháp mã nguồn mở này.

Kyutai cũng đang phát triển các hệ thống nhận dạng âm thanh AI, đánh dấu nước và theo dõi chữ ký để tích hợp vào Moshi. Những tính năng này sẽ giúp xác định âm thanh do AI tạo ra, thúc đẩy trách nhiệm và khả năng truy xuất nguồn gốc, đồng thời đảm bảo nội dung do AI tạo ra có thể được theo dõi và xác minh.

Moshi vẫn đang trong quá trình phát triển, nhưng chế độ giọng nói trong bản giới thiệu rất ấn tượng. Cách tiếp cận giọng nói có thể đóng vai trò như một chất xúc tác cho các phiên bản hỗ trợ giọng nói khác của các đối thủ cạnh tranh của ChatGPT hoặc đẩy nhanh việc bổ sung LLM vào Alexa và các trợ lý giọng nói khác nếu Moshi trở nên phổ biến.

5. Kết luận

Sự xuất hiện của Moshi là một bước tiến đáng chú ý trong lĩnh vực AI và hứa hẹn sẽ mang đến nhiều thay đổi cho tương lai của các trợ lý giọng nói. Với khả năng giao tiếp chân thực, tính năng bảo mật cao và phương pháp mã nguồn mở, Moshi có tiềm năng trở thành một đối thủ cạnh tranh đáng gờm với ChatGPT và các đối thủ khác.